全文总字数：4568字

1. 研究目的与意义及国内外研究现状

云是地球大气圈表现最明显的一种大气状态，地球上大部分地区都覆盖着云层，各种天气现象的发生总是和云有着密不可分的联系。云还同时影响着气候变化，影响着大气的能量收支平衡，是影响气候变化的重要元素之一。遥感云图为我们提供了全天候的大气，海洋等信息，在气象领域中，遥感云图的重要性不言而喻，已经成为天气预报、灾害天气预测的最直接可靠的信息源。随着卫星遥感技术以及图像处理技术的飞速发展，机器学习方法开始结合图像处理技术，这对遥感云图的解译有着极大的进步。而近年来，在遥感云图的检测上，深度学习，特别是卷积神经网络在很多应用领域都表现出强大的适应性，卷积神经网络具有良好的容错、并行处理和自学习能力。然而由于遥感图像往往占用空间比较大，应用深度学习的方法对其识别对设备要求很高，给云图检测和图像的后续应用带来了很大的困难。本课题将通过对图像的压缩，来降低计算量，从而加速神经网络的运算速度，达到节约时间和降低设备的需求。

国内外研究现状

(1)国内压缩图像及遥感云图相关研究现状

常子鹏等(2018) 提出一种jpeg结合卷积神经网络的岩心图像压缩模型。首先将待压缩岩心图像送入空域冗余去除结构剔除冗余信息,再使用jpeg编码把图像变换到dct域,量化后去除不必要的高频信息。解码时使用jpeg解码器将图像从dct域变换到像素域,为了恢复岩心图像在空域、频域的失真,于解码端添加了19层的卷积层的神经网络,最终将岩心图像重构。此方法创新点在于首次提出深度学习应用于岩心图像的压缩,并具有比传统小波变换与离散余弦变换的压缩方法更高的图像压缩比与清晰度,对岩心图像研究领域具有较高的参考价值与实用前景。李莉(2018) 提出了一种新的图像融合算法——基于噪声整形的压缩感知图像融合算法,将两幅模糊的原始图像送入2d-dwt处理,生成小波系数;利用噪声整形算法对得到的小波系数稀疏化处理;采用常用的融合规则将两幅图像的稀疏化系数进行融合,得到融合后的小波系数;再将融合后的小波系数通过随机采样矩阵获取压缩采样;最后,利用求解最优化的问题算法得到恢复矩阵并进行小波反变换得到融合后的清晰图像。实验结果证实了本文算法的有效性和正确性,提高了压缩感知图像融合的质量,即便在较低的采样率下,也可获得较好质量的重构图像。

2. 研究的基本内容

全球云层覆盖面积约占地球陆地表面66％，而且经常出现并在遥感图像中对地表目标进行覆盖，给图像的后续应用带来很大的困难。由于遥感图像往往占用空间比较大，应用深度学习的方法对其识别对设备要求很高，通过对图像的压缩，来降低计算量，从而加速神经网络的运算速度，达到节约时间和降低设备的需求。

!--[if !supportlists]--（1）!--[endif]--卷积神经网络

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。由于卷积神经网络能够进行平移不变分类，因此也被称为“平移不变人工神经网络”。对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和lenet-5是最早出现的卷积神经网络 ；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被大量应用于计算机视觉、自然语言处理等领域。卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。卷积神经网络的特征检测层通过训练数据进行学习，避免了显示的特征提取，且同一特征映射面上的神经元权值相同，网络可并行学习，这也是卷积神经网络相对于其他神经网络的一个优势。相比于传统的特征提取方法，卷积神经网络具有三个方面的优势：①权值共享。②池化操作。③图像层次化特征学习。

3. 实施方案、进度安排及预期效果

!--[if !supportlists]--（1）!--[endif]--实施方案

①数据设置:

对用于训练和测试的图像的路径/行进行数据设置。

4. 参考文献

[1] 陈洋，范荣双，王竞雪，等.基于深度学习的资源三号遥感影像云检测方法[j].光学学报，2018，38（1）：0128005.

[2] 侯舒维，孙文方，郑小松.遥感图像云检测方法综述[j].空间电子技术，2014（3）：68-76.

[3] 赵晓.高分辨率卫星遥感图像云检测方法研究[d].哈尔滨：哈尔滨工业大学，2013:40-47.